线性混合模型下ggplot置信区间未覆盖完整数据集问题求助

你的置信区间看起来在0.1处停止，核心原因有两个：

• 首先，ggpredict默认仅在原始数据的x变量范围内生成预测点（你的原始x最大是0.12），但你设置了xlim(0.01, 0.2)，所以超出0.12的部分本来就没有预测数据；
• 其次，对于x≥0.1的部分，predicted - std.error计算结果会变成负数，而你设置了ylim(0, 30)，y轴下限被限制在0，导致geom_ribbon中低于0的部分被裁剪，看起来像是置信区间提前终止了。

下面是两种针对性的修复方法，你可以根据需求选择：

方法1：修复置信区间的下限显示 #

修改geom_ribbon的ymin参数，确保它不会低于0，这样即使计算出的标准误下限为负，也会被截断到0，和y轴范围匹配：

(ggplot(pred.mmhighW) + 
  geom_line(aes(x = x, y = predicted)) + 
  # 用pmax把ymin限制在0以上
  geom_ribbon(aes(x = x, ymin = pmax(predicted - std.error, 0), ymax = predicted + std.error), fill = "lightgrey", alpha = 0.5) + 
  geom_point(data = dfhighW, aes(x = x, y = y, shape = b)) + 
  xlim(0.01,0.2) + 
  ylim(0,30) + 
  labs(title = "") + 
  ylab(bquote('Specific Surface Energy ' (mJ/m^2))) + 
  xlab(bquote('Surface Coverage ' (n/n[m]) )) + 
  theme_minimal() )

方法2：让预测延伸到x=0.2的范围 #

如果你希望线条和置信区间真的延伸到xlim设置的0.2，需要告诉ggpredict生成0.01到0.2范围内的预测点，而不是默认的原始数据范围：

# 修改ggpredict的terms参数，指定x的范围
pred.mmhighW <- ggpredict(mixed.lme, terms = c("x [0.01,0.2]"))

# 然后再用同样的ggplot代码，同时保留方法1的ymin修复
(ggplot(pred.mmhighW) + 
  geom_line(aes(x = x, y = predicted)) + 
  geom_ribbon(aes(x = x, ymin = pmax(predicted - std.error, 0), ymax = predicted + std.error), fill = "lightgrey", alpha = 0.5) + 
  geom_point(data = dfhighW, aes(x = x, y = y, shape = b)) + 
  xlim(0.01,0.2) + 
  ylim(0,30) + 
  labs(title = "") + 
  ylab(bquote('Specific Surface Energy ' (mJ/m^2))) + 
  xlab(bquote('Surface Coverage ' (n/n[m]) )) + 
  theme_minimal() )

额外建议 #

另外，你的响应变量（表面能）是非负值，当前使用的线性混合模型可能不太适合，因为它允许预测值为负。如果你的数据特性允许，可以考虑使用适合非负响应的模型，比如Gamma分布的广义线性混合模型（glmer或lme4中的相关函数），这样预测值和置信区间都会自然保持非负，从根源上避免这个问题。

内容的提问来源于stack exchange，提问作者Catalyst